Google OR-Tools调度设置正迟滞惩罚时出现BoundedLinearExpr评估错误

你遇到的报错是因为OR-Tools CP-SAT求解器的变量（IntVar）和线性表达式属于求解器内部封装类型，无法直接使用Python原生的max()函数或者if条件判断进行求值，必须使用求解器提供的约束接口实现逻辑。

解决方案 #

两种实现方式均可达到仅对超期作业计算迟滞惩罚的效果，替换你原有迟滞变量定义的代码即可：

方案1：使用AddMaxEquality接口（官方推荐） #

直接调用CP-SAT内置的最大值约束实现逻辑：

due_date = job[0][0][4]
# 原始迟滞：作业结束时间减截止时间，可正可负
lateness_raw = l_end - due_date
# 定义正迟滞变量：仅统计超期部分，取值下界为0
tardiness = model.NewIntVar(0, horizon_due_date, f'tardiness_job_{job_id}')
# 约束正迟滞等于 0 和 原始迟滞 的最大值
model.AddMaxEquality(tardiness, [0, lateness_raw])
# 加入惩罚项列表
termin.append(tardiness)

方案2：双约束实现（兼容性更强） #

如果遇到版本适配问题，也可以通过两条简单约束实现同等效果。因为你的目标函数是最小化总迟滞，求解器会自动将tardiness取到满足约束的最小值，刚好等于max(0, lateness_raw)：

due_date = job[0][0][4]
lateness_raw = l_end - due_date
tardiness = model.NewIntVar(0, horizon_due_date, f'tardiness_job_{job_id}')
# 两条约束替代max逻辑
model.Add(tardiness >= 0)
model.Add(tardiness >= lateness_raw)
termin.append(tardiness)

后续不需要修改任何其他逻辑，你原有的目标函数代码可以直接复用。现在termin列表中存储的就是每个作业仅超期部分的惩罚值，提前完工的作业迟滞惩罚为0，完全符合需求。

内容的提问来源于stack exchange，提问作者Svenja K